Mediawiki的搜索改进设想

页面分类: Mediawiki改进设想

天下维客，你可以修改的网络知识库

目前mediawiki的搜索系统存在下述问题：

1、对中文处理不好，无法精确匹配时经常出现不相干的结果（UTF8多字节问题）

2、对英文大小写处理不完善，若大小写不匹配，则仅能在部分情况下找到相关文章

3、智能处理不足，在标题不匹配时，给出的结果杂乱不堪，没有相关度

具体改进建议如下：

完善中文UTF8搜索功能

可能是因为中文在UTF8中为多字节的原因，中文搜索往往出现不相关的结果（参见附例）

处理：检查程序中的问题所在。 （疑问：按说中文有高位字节标志，不该出现错误匹配。

• 所以怀疑可能是mediawiki的智能匹配出了问题）=> 这是因为mysql暂时不支持多字节中文全文检索

完善英文大小写处理

现状：如果建立了ASD条目，在其他地方使用asd进行引用时，则无法找到该条目

期望：进行标题的大小写无关检索。搜索结果有下述几种可能

• 完全无法匹配：进行后续智能匹配尝试（处理方式与系统默认的相同）

• 匹配结果唯一：

如果标题与搜索内容的大小写一致，转到该条目（处理方式与系统默认的相同）

如果大小写不一致，转到该条目但：

在标题之下显示“重定向自asd”（asd包含action=edit参数）

当点击这个提示里的asd链接时，打开该条目的编辑页面

• 匹配结果不唯一：

如果包含大小写完全匹配的条目，则转到该条目（处理方式与系统默认的相同）

如果无法匹配大小写，则列出所有条目，并进入智能搜索过程。

智能搜索过程的改善

默认过程不详，希望了解真实的机制。

空格的处理

对于“Win XP”、“win XP”之类的条目，很难预料读者是否输入空格，需要考虑一下。

处理：智能匹配过程中，对搜索内容和标题进行排除空格的搜索

一文多名的处理

对于“如何安装操作系统”、“怎样安装操作系统”、“操作系统的安装”，其搜索目标可能是同一篇文章。

处理：1、对特定词语进行特定变形后进行搜索

“如何”、“怎样”的字眼将被排除

2、新建文章后，询问是否应进行别名设置

3、更完善的机制是建立“条目关键字”信息，在文章编写之后，需要输入这个信息

这将大大减少数据检索的工作量，并提高相关性。

内容搜索

具体机制不明，需了解当前工作方式

（？？？）

嵌入google的站内搜索功能

内部搜索和google搜索应该各有所长，因此嵌入该代码可能会有些作用，避免搜不到的情况。

附例：中文搜索结果出现不相关条目

例如在www.allwiki.com搜索“晶体管”，结果如下：

		Wiki的進階管理 (1014字节) 
		什么是面向服务的体系结构（SOA）？ (4040字节) 
		系统管理员(System Administrator) (263字节) 
		EJB的体系结构 (3700字节) 
		用户权限管理 (2391字节) 
		我可以用面向服务的体系结构做什么？ (3975字节) 
		什么是数据库管理 (1504字节) 
		什么是数据库管理系统 (2117字节) 
		AIX系统日常管理 (784字节) 
		AIX管理员常用命令 (1458字节) 
		MYSQL数据库的用户帐号管理基础知识 (0字节) 
		MYSQL数据库的用户帐号管理基础知识1 (4710字节) 
		MYSQL数据库的用户帐号管理基础知识2 (4832字节) 
		MYSQL数据库的用户帐号管理基础知识3 (6748字节) 
……